04 Minitab 基本统计量.pptVIP

Minitab 使用方法介绍—基本统计量 统计学概要 1. 介绍与数据收集 2. 在表格和图表显示数据 3. 数字的描述性测量 4. 概率基础 5. 几个重要的离散概率分布 6. 正态分布 7. 样本分布 8. 置信区间估计 9. 假设性检验的基本原理: 1-样本检验 10. 2样本检验和1因素方差分析 11. 方差检验 12. 简易线性回归 13. 多重回归 14. 质量和生产性管理中的 统计学应用 目录 Part I: 介绍与数据收集 Part II: 在表格和图表显示数据 Part III: 数字型数据的描述 Part I: 介绍与数据收集 学习目标 在这一部分你将学到: 企业中如何使用统计学; 企业中使用的数据的来源; 企业中使用的数据的类型. 统计学的基本概念 统计学关注的是 (或者是数学的分支来研究以下方面): 处理和分析数据 收集, 显示, 和转换数据来协助决策者 关键的定义 一个 总体 (宇宙) 是一个组的所有成员的集合 一个 样本 是从总体中选择的一部分用来分析的 一个 参数 是数字的测量用来描述总体的某个特征 一个 统计量 是数字的测量用来描述样本的某个特征 总体 vs. 样本 统计量的两个分支 描述性统计量 收集, 总结, 和显示数据 推论性统计量 只是基于样本数据来得出关于总体的结论 描述性统计量 收集数据 例如, 调查 显示数据 例如, 表格和图表 特征化数据 例如, 样本均值 = 推论性统计量 估计 例如, 使用样本的体重均值来估计总体的体重均值 假设性检验 例如, 检验总体体重均值为120磅的主张 收集数据 数据的类型 Part I 总结 回顾统计学的基本概念: 总体 vs. 样本 参数 vs. 统计量 原始的 vs. 第二数据来源 定义描述性 vs. 推论性的统计量 回顾数据类型 类别型 vs. 数字型数据 离散型的 vs. 连续型的数据 Part II: 在表格和图形中显示数据 “ 一张图片抵得上千言万语. 学习目的 在这一部分, 你将学到: 类别性数据的表格和图形化 数字性数据的表格和图形化 适当显示图形的原理 图形化组织和显示数据 原始格式的数据通常不容易用来得出结论 需要一些形式的组织 表格 图形 这里回顾一下技巧: 条形图和饼图 柏拉图 序列图 茎叶图 频次分布, 直方图和曲线 累积分布 偶然性表格 散布图 类别型数据的表格和图形 汇总表格 条形图和饼图 条形图和饼图常用于类别型数据 条形的高度或饼的大小代表每个种类的频次或百分比 条形图的例子 饼图的例子 柏拉图 用于描绘类别型数据(名以上的度量) 条形图, 这里类别按照频次的递减顺序排列 同样的图表上通常包括一条累积曲线 用来从“细小多数”中区分出“重大少数” 柏拉图的例子 组织数字型数据 排序 排序 原始形式下的数据(收集如下): 24, 26, 24, 21, 27, 27, 30, 41, 32, 38 从小到大排序后的数据: 21, 24, 24, 26, 27, 27, 30, 32, 38, 41 茎叶图 一种看数据组分布细节的简单方法 方法: 把分类的数据序列分成主干 (茎) 和枝叶 (叶) 例子 这里, 使用10作为茎的幅度: 例子 完成后的茎叶图: 使用其它茎单位 使用100作为茎的幅度: 圆整十位数形成叶 613 would become 776 would become . . . 1224 becomes 使用其它茎单位 使用100作为茎的幅度: 完成后的茎叶图显示如下: 数字型数据的表格化: 频次分布 什么是频次分布? 频次分布是一个列表或表格… 包含类别组 (数据落在其中的范围)... 数据落在每个组或类别的相应的频次 为什么使用频次分布? 这是一种整理数字型数据的方法 它可以把原始数据集中成一个有用的形式... 可以达到数据的快速直观的解释 类别区间和类别边界 每个类别组具有相同的宽度 通过以下公式决定每个组的宽度： 频次分布的例子 例: 一绝缘材制造商冬天随机选取20天并记录每天的温度峰值 24, 35, 17, 21, 24, 37, 26, 46, 58, 30, 32, 13, 12, 38, 41, 43, 44, 27, 53, 27 频次分布的例子 按升序排列原始数据:12, 13, 17, 21, 24, 24, 26, 27, 27, 30, 32, 35, 37, 38, 41, 43, 44, 46, 53, 58 算出范围: 58 - 12 = 46 选择类别数: 5 (通常介于5到15之间) 计算类别区间 (宽度): 10 (46/5 然后圆整) 决定类别的界限